| Penulis Utama | : | Dewi Fadriani |
| NIM / NIP | : | M0122027 |
Stunting merupakan kondisi gagal tumbuh pada anak akibat kekurangan gizi kronis dalam jangka panjang. Kondisi ini berdampak pada pertumbuhan fisik, perkembangan kognitif, serta kualitas sumber daya manusia. Prevalensi stunting di Indonesia pada tahun 2024 sebesar 19,8 persen yang masih tergolong tinggi dan menjadi tantangan dalam pembangunan kesehatan nasional. Stunting dipengaruhi oleh berbagai faktor seperti kekurangan gizi kronis, infeksi berulang, serta kondisi lingkungan dan sosial yang kompleks. Perbedaan karakteristik antarwilayah menyebabkan tingkat risiko stunting yang bervariasi sehingga diperlukan metode analisis untuk mengklasifikasikan data berdasarkan tingkat risiko tersebut. Penelitian ini bertujuan untuk mengklasifikasikan tingkat stunting di Indonesia menggunakan metode autoencoder dan KNN. Autoencoder digunakan untuk mereduksi dimensi data dengan menghasilkan representasi fitur laten yang lebih sederhana dan informatif. Hasil reduksi dimensi kemudian diklasifikasikan menggunakan algoritme KNN berdasarkan kedekatan jarak antar data dengan tetangga terdekat. Data penelitian bersumber dari Survei Status Gizi Indonesia tahun 2024 yang terdiri atas 36 provinsi dengan sebelas variabel yang menggambarkan faktor penyebab stunting. Data dibagi menjadi data training sebesar 80 persen dan data testing sebesar 20 persen. Proses reduksi dimensi menggunakan autoencoder dengan fungsi aktivasi ReLU pada hidden layer dan fungsi aktivasi linier pada output layer. Model dilatih dengan parameter 100 epoch dan batch size 4. Hasil reduksi dimensi diklasifikasikan menggunakan KNN dengan nilai K optimal sebesar 13 yang diperoleh melalui metode 10 fold cross validation. Hasil penelitian menunjukkan bahwa autoencoder mampu mereduksi sebelas variabel input menjadi empat fitur laten yaitu z1, z2, z3, dan z4. Penerapan KNN dengan nilai K sebesar 13 pada fitur hasil reduksi menghasilkan akurasi sebesar 75 persen dengan enam dari delapan data testing berhasil diklasifikasikan secara tepat. Hasil klasifikasi menunjukkan bahwa tingkat stunting di Indonesia terbagi menjadi tiga kategori yaitu kategori sedang sebanyak 12 provinsi, kategori tinggi sebanyak 21 provinsi, dan kategori sangat tinggi sebanyak 3 provinsi.
| Penulis Utama | : | Dewi Fadriani |
| Penulis Tambahan | : | - |
| NIM / NIP | : | M0122027 |
| Tahun | : | 2026 |
| Judul | : | Klasifikasi Data Stunting di indonesia dengan Autoencoder dan K-Nearest Neighbors |
| Edisi | : | |
| Imprint | : | Surakarta - Fak. MIPA - 2026 |
| Program Studi | : | S-1 Matematika |
| Kolasi | : | |
| Sumber | : | |
| Kata Kunci | : | Stunting, Klasifikasi, Reduksi, Autoencoder, KNN |
| Jenis Dokumen | : | Skripsi |
| ISSN | : | |
| ISBN | : | |
| Link DOI / Jurnal | : | - |
| Status | : | Public |
| Pembimbing | : |
1. Prof. Dr. Dewi Retno Sari Saputro, S.Si., M.Kom. 2. Nughthoh Arfawi Kurdhi, S.Si., M.Sc., Ph.D. |
| Penguji | : |
1. Dra. Purnami Widyaningsih, M.App.Sc. 2. Drs. Santoso Budi Wiyono, M.Si. |
| Catatan Umum | : | |
| Fakultas | : | Fak. MIPA |
| Halaman Awal | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
|---|---|---|
| Halaman Cover | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB I | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB II | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB III | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB IV | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB V | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| BAB Tambahan | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| Daftar Pustaka | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |
| Lampiran | : | Harus menjadi member dan login terlebih dahulu untuk bisa download. |